CN116465804A - 一种基于图像法检测光伏板积灰浓度的系统及其应用 - Google Patents

Abstract

本申请公开了一种基于图像法检测光伏板积灰浓度的系统及其应用，系统包括：无人机、高清相机、红外测距传感器、气象传感器、第一调度器、第二调度器、无线通信装置、GPS定位装置和机载处理器；无人机下方安装高清相机；红外测距传感器与高清相机平行安装，固定于无人机下方；气象传感器安装于无人机顶部；第一调度器安装于高清相机上方；第二调度器安装于气象传感器下方；无线通信装置集成于无人机之上，并分别与GPS定位装置和机载处理器连接。本申请利用图像建模方法测量光伏板的积灰浓度，较传统人工巡检及时序预测等方法，具有更高的检测精度及更快的响应速度，对电站高效安全并网、清洗维护优化等智能化运维发展具有重要的指导意义。

Description

一种基于图像法检测光伏板积灰浓度的系统及其应用

技术领域

本申请涉及新能源节能领域，具体涉及一种基于图像法检测光伏板积灰浓度的系统及其应用。

背景技术

随着地球人口的不断增加，传统化石能源已经难以满足人类的需求，且燃烧化石能源产生的二氧化碳是导致全球气温上升的主要因素。为此，能源与环境问题成为制约世界经济和社会可持续发展的两个突出问题，节能减排、绿色发展、开发利用各种可再生能源已逐渐成为世界各国的发展战略。太阳能作为新兴的绿色能源，凭借其可再生、清洁等优势逐渐深受各行各业的青睐。然而安装在自然坏境中的光伏发电系统存在很多不可控因素，污染效应是降低太阳能光伏组件效率的主要原因。沉积在光伏组件表面的粉尘会通过反射、吸收和散射光线导致整体性能的降低。积灰严重时甚至会导致板面局部过热产生热斑，减少光伏板寿命。因此，实时准确的判断光伏电池板表面积灰浓度大小，对光伏电站电池板智能清洗、经济运维和高效运行具有重要意义。

然而，目前光伏电厂常通过现场运维人员的经验或人工观测方法来定性分析积灰的状态，部分智能化程度较高的光伏电站采用功率预测来间接反映光伏板的工作状态，虽然能够反应光伏板的积灰状态，但对于光伏板积灰浓度的直接测量达不到精确定量评估，从而对光伏运维现场指导造成一定误差。

发明内容

为解决上述背景中的技术问题，本申请借助图像法响应速度快、识别精度高等特点，克服人工巡检过程中出现的检测不及时、检测误差较大等问题，实现对光伏板积灰浓度的精确识别与定量评估。

为实现上述目的，本申请提供了一种基于图像法检测光伏板积灰浓度的系统，包括：无人机、高清相机、红外测距传感器、气象传感器、第一调度器、第二调度器、无线通信装置、GPS定位装置和机载处理器；

所述无人机下方安装所述高清相机；

所述红外测距传感器与所述高清相机平行安装，固定于所述无人机下方；

所述气象传感器安装于无人机顶部；

所述第一调度器安装于所述高清相机上方；

所述第二调度器安装于所述气象传感器下方；

所述无线通信装置集成于所述无人机之上，并分别与所述GPS定位装置和所述机载处理器连接。

本申请还提供了一种应用基于图像法检测光伏板积灰浓度的系统来检测光伏板积灰浓度的方法，步骤包括：

利用所述基于图像法检测光伏板积灰浓度的系统进行智能巡检，得到巡检结果；所述智能巡检的步骤包括：现场三维建模与光伏板定位、低空目标矫正、巡检与定点编号和巡检故障处理；

基于所述巡检结果，构建检测模型；并利用所述检测模型完成积灰浓度的检测。

优选的，所述现场三维建模与光伏板定位的方法包括：根据卫星图建立光伏区域离线地图并根据人工关键点定位误差修正光伏板三维位置坐标并编号。

优选的，利用所述低空目标矫正来实现无人机低空拍摄，方法包括：

S401：根据所述光伏现场三维模型，所述无人机飞行至待测光伏板上方待命；

S402：根据所述待测光伏板上沿高度，通过所述红外测距传感器调整无人机距地面3米，并持续保持不变；

S403：调整所述高清相机位置，通过所述红外测距传感器进行距离选择，选取测量距离最短的位置作为所述高清相机的固定拍摄位置，并通过所述第一调度器测量此时所述高清相机的旋转角度θ，则光伏板的倾斜角此时将光伏板角度信息传入所述机载处理器并将所述调度器的倾斜角度调整为α；

S404：使用边缘检测方法调整光伏板在图像中的位置，在同时检测到光伏板上下边缘的基础上，调整焦距使竖直边缘像素数量最大；如果检测不到上边缘则向前移动；检测不到下边缘则向后移动；同时检测到上下边缘时，放大图像使光伏板全覆盖整个图像区域。

优选的，利用所述巡检与定点编号来对应标定每个光伏板上的积灰浓度，方法包括：将检测得到的竖直边缘按照顺序进行编号；在目标位置矫正后，如果有两个边缘，则检测一次，记录浓度为第一目标光伏板浓度；之后横排飞行，当下一个竖直边缘进入目标后，进行检测并记录浓度为第二目标光伏板浓度；直至模型标定的横排终点，再根据两排光伏板中心位置距离，纵向移动无人机，进行第二排重新扫描编号。

优选的，所述巡检故障处理的方式包括：故障自动返航、针对突发的天气状况判断是否继续执行任务以及低电量预警。

优选的，构建所述检测模型的方法包括：利用光学成像原理；并基于光伏板面反射光经灰尘粒子衰减，后经空气中悬浮粒子再次衰减后到达探测系统的光，以及接收到灰尘粒子散射形成的尘光和空气中大气光这两种光源来构建所述检测模型。

优选的，还包括：无线充电模块；用于在巡检过程中停于固定充电桩及时补电。

与现有技术相比，本申请的有益效果如下：

本申请利用图像建模方法测量光伏板的积灰浓度，较传统人工巡检及时序预测等方法，具有更高的检测精度及更快的响应速度，对电站高效安全并网、清洗维护优化等智能化运维发展具有重要的指导意义。

附图说明

为了更清楚地说明本申请的技术方案，下面对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例的系统结构示意图；

图2为本申请实施例的光伏现场三维建模示意图；

图3为本申请实施例的目标矫正原理图；

图4为本申请实施例的路线与编号方法图；

图5为本申请实施例的光线传播过程图。

附图标记说明：1、无人机；2、高清相机；3、无线充电模块；4、红外测距传感器；5、第一调度器；6、气象传感器；7、无线通信装置；8、GPS定位装置；9、第二调度器。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

如图1所示，为本实施例的系统结构示意图，包括：无人机1、高清相机2、红外测距传感器4、气象传感器6、第一调度器5、第二调度器9、无线通信装置7、GPS定位装置8和机载处理器。其中，无人机1下方安装高清相机2，可以根据光伏板位置自动调节拍摄方向；红外测距传感器4与高清相机2平行安装，可与相机同时旋转，固定于无人机1下方；气象传感器6安装于无人机1顶部，可根据计算光伏板角度通过第二调度器9来自动调节自身的角度，此外，气象传感器6还用于获取辐照度，辐照度包括：环境辐照度和积灰层辐照度；第一调度器5安装于高清相机2上方；第二调度器9安装于气象传感器6下方；无线通信装置7集成于无人机1之上，并分别与GPS定位装置8和机载处理器连接，可以实时向地面站传送采集数据。本实施中，系统还加入了无线充电模块3；用于在巡检过程中停于固定充电桩及时补电。

下面将结合本实施例，详细说明本申请如何解决实际生活中的技术问题。

利用上述的系统，对光伏板的积灰浓度进行检测，步骤包括：利用基于图像法检测光伏板积灰浓度的系统进行智能巡检，得到巡检结果；智能巡检的步骤包括：现场三维建模与光伏板定位、低空目标矫正、巡检与定点编号和巡检故障处理。基于巡检结果，构建检测模型；并利用检测模型完成积灰浓度的检测。

三维建模与光伏板定位可以根据卫星图建立光伏区域离线地图并根据人工关键点定位误差修正光伏板三维位置坐标并编号，三维建模结果如图2所示。

低空目标矫正目的是实现无人机1低空拍摄，要求拍摄图像为正面光伏板图像，目标矫正的原理如图3所示。其主要步骤如下：

S401：根据光伏现场三维模型，无人机1飞行致待测光伏板上方待命；

S402：根据待测光伏板上沿高度，通过红外测距传感器4调整无人机1距地面3米，并保持此高度不变。

S403：上下左右调整高清相机2位置，通过红外测距传感器4进行距离选择，选取测量距离最短的位置作为高清相机2的固定拍摄位置，并通过第一调度器5测量此时高清相机2的旋转角度θ，则光伏板的倾斜角此时将光伏板角度信息传入所述机载处理器并将所述调度器的倾斜角度调整为α。

S404：镜头调正后需要使用边缘检测方法调整光伏板在图像中的位置，其方法是在同时检测到上下边缘的基础上，调整焦距尽可能的使竖直边缘像素数量最大。如果检测不到上边缘则向前移动；检测不到下边缘则向后移动；同时检测到上下边缘时，放大图像使光伏板尽可能地全覆盖整个图像区域。

巡检与定点编号是为了对应标定每个光伏板上的积灰浓度，其方法原理如图4所示，目的是对检测到的竖直边缘按照顺序进行编号。在目标位置矫正后，当目标里有两个边缘时，进行检测，并记录浓度为第一目标光伏板浓度，随后横排飞行，下一块边缘进入目标后，进行检测并记录为第二目标光伏板浓度。直至模型标定的横排终点，再根据两排光伏板中心位置距离，纵向移动无人机1，进行第二排重新扫描编号。无人机1水平移动遇起伏地势，则实时控制保持距离地面三米飞行。

巡检故障处理包括故障自动返航，针对突发的天气状况判断是否继续执行任务、低电量预警。由于光伏电厂占地面积大，光伏板数量多，在固定位置设置无线充电桩，利用光伏产生的电能补充无人机1长时间飞行造成的低电量问题。

通过上述步骤得到的巡检结果，利用光学成像原理来进行检测模型的构建。高清相机2接收到的光源主要来自两个部分：一是光伏板面反射光经灰尘粒子衰减，后经空气中悬浮粒子(雾、霾等)再次衰减后到达探测系统的光；二是接收到灰尘粒子散射形成的尘光和空气中大气光。通过此物理模型建立得到光伏板成像的数学模型的方法包括：

相机接收到的光P₂可以分为两部分，第一部分是来自光伏板的反射光P₀通过积灰层的衰减达到相机，第二部分则是积灰层的反射光P₁通过大气衰减到相机，具体的光线传播过程，具体光线传播过程如图5所示。首先令假设P₀为光伏板反射的初始光，它主要是由光强I决定。那么，通过积灰层的第一阶段衰减可以表示为：

其中，α₁表示积灰的衰减系数(取决于灰尘属性)；dx表示路径微分距离；x表示距离摄像机的位置。

通过对式(1)在0和x之间积分，得到光通过积灰层的衰减关系，能够表示为：

在第二阶段，光从积灰层中出来，穿过以l为长度的大气层。由于大气中存在悬浮粒子会对光线产生散射，其衰减关系可以表示为：

其中，α₂表示大气的衰减系数。

同样，通过对式(3)进行积分，就能够得到第二级的衰减关系如下：

再经过两级衰减叠加后，相机能够接收到的光可以表示为：

其中，R＝d+l为相机到光伏板之间的距离。

环境光(阳光、反射地面光、散射大气光)和积灰层反射光也参与了相机的取景过程，这些光在传播过程中会被大气悬浮粒子和光伏板表面的积灰层进行减弱。然而，与目标反射光的直接的衰减不同，环境光和积灰层反射光的强度会随着相机距离的增加而减少。假设摄像机接收到的光路的立体角为dw，在距离摄像机x的位置选取一个体元dV。显然，它们的对应关系能够表示为：

dV＝dwx²dx (6)

这个体积元上的光通量取决于体积V和衰减系数α，能够获得关系如下：

dI(x,α)＝dVIα＝dwx²dxIα (7)

环境光被大气中的悬浮粒子散射到相机，环境辐照度dE₁(x,α₂)能够被描述为：

相机以立体角接收到的环境光强为：

对上式的距离l进行积分得到：

类似地，积灰光被积灰层和大气中的粒子散射到达相机，积灰层辐照度dE₂(x,α₁)能够被描述为：

相机以立体角接收到的积灰层反射光为：

对上式的距离d进行积分得到：

那么，环境光和积灰层反射光累计为：

综上所述，相机接收到的总光强为：

在这里，本实施例假设为透射率函数τ(x)，积灰光伏板图像P(x)与清洁光伏板图像P₀(x)的关系可表示为：

P(x)＝P₀(x)τ(x)+I(1-τ(x)) (16)

对于一张清洁的光伏板图像，它的暗通道可以表示为：

其中，P^c(y)表示P图像的颜色通道，Ω(x)表示局部区域。

选择暗通道中最亮的0.1％像素，其中最亮的像素被选为光强I^c。这里，就可以得到图像的透射率τ(x)：

由于透光率总体上随积灰浓度的增加而减小，积灰浓度与透光率负相关的关系能够被假设为：

c(x)∝τ(x) (19)

其中，c表示积灰浓度。

能够建立积灰浓度与光伏透光率之间的线性模型如下：

c(x)＝ω₀+ω₁τ(x)+ε(x) (20)

其中，ω₀和ω₁为权重系数，ε(x)为模型的随机误差。

然而，上述公式只是一个通用的表达式，难以直接反映光伏图像中的积灰浓度信息。因此，需要进一步寻找图像中更多的特征，建立一个更准确的表达式来反映光伏板图像的积灰浓度。因此，一个新型的线性模型被建立：

c(x)＝ω₀+ω₁τ(x)+ω₂B(x)+...+ω_nN(x)+ε(x) (21)

其中，ω₂,...,ω_n表示权重系数，B(x),...,N(x)表示从光伏图像中提取的特征信息。

上述的模型通过预存的清洁图像、实时拍摄的积灰图像和测量的灰尘散射因素、大气散射因素、实时光强、大气光距离L等参数计算光伏板上的灰尘厚度，接着建立等效积灰浓度模型。最后得到整个光伏三维场下每块光伏板的积灰浓度。通过数据整理分析聚类，针对某一高浓度积灰区域采取相应清理措施。

综上，本实施例首先根据光伏现场地理信息进行3D位置建模与路径规划，无人机1系统依据路径采集图像信息和气象参数，通过无线传输模块将数据传送至地面站。地面站接收光伏板图像后进行图像处理，接着结合气象信息与浓度检测方法识别积灰浓度，最后将浓度信息与位置信息进行存储。

以上所述的实施例仅是对本申请优选方式进行的描述，并非对本申请的范围进行限定，在不脱离本申请设计精神的前提下，本领域普通技术人员对本申请的技术方案做出的各种变形和改进，均应落入本申请权利要求书确定的保护范围内。

Claims (8)

1.一种基于图像法检测光伏板积灰浓度的系统，其特征在于，包括：无人机、高清相机、红外测距传感器、气象传感器、第一调度器、第二调度器、无线通信装置、GPS定位装置和机载处理器；

所述无人机下方安装所述高清相机；

所述红外测距传感器与所述高清相机平行安装，固定于所述无人机下方；

所述气象传感器安装于无人机顶部；

所述第一调度器安装于所述高清相机上方；

所述第二调度器安装于所述气象传感器下方；

所述无线通信装置集成于所述无人机之上，并分别与所述GPS定位装置和所述机载处理器连接。

2.一种应用权利要求1所述的基于图像法检测光伏板积灰浓度的系统来检测光伏板积灰浓度的方法，其特征在于，步骤包括：

利用所述基于图像法检测光伏板积灰浓度的系统进行智能巡检，得到巡检结果；所述智能巡检的步骤包括：现场三维建模与光伏板定位、低空目标矫正、巡检与定点编号和巡检故障处理；

基于所述巡检结果，构建检测模型；并利用所述检测模型完成积灰浓度的检测。

3.根据权利要求2所述的检测光伏板积灰浓度的方法，其特征在于，所述现场三维建模与光伏板定位的方法包括：根据卫星图建立光伏区域离线地图并根据人工关键点定位误差修正光伏板三维位置坐标并编号。

4.根据权利要求2所述的检测光伏板积灰浓度的方法，其特征在于，利用所述低空目标矫正来实现无人机低空拍摄，方法包括：

S401：根据所述光伏现场三维模型，所述无人机飞行至待测光伏板上方待命；

S402：根据所述待测光伏板上沿高度，通过所述红外测距传感器调整无人机距地面3米，并持续保持不变；

S403：调整所述高清相机位置，通过所述红外测距传感器进行距离选择，选取测量距离最短的位置作为所述高清相机的固定拍摄位置，并通过所述第一调度器测量此时所述高清相机的旋转角度θ，则光伏板的倾斜角此时将光伏板角度信息传入所述机载处理器并将所述调度器的倾斜角度调整为α；

S404：使用边缘检测方法调整光伏板在图像中的位置，在同时检测到光伏板上下边缘的基础上，调整焦距使竖直边缘像素数量最大；如果检测不到上边缘则向前移动；检测不到下边缘则向后移动；同时检测到上下边缘时，放大图像使光伏板全覆盖整个图像区域。

5.根据权利要求2所述的检测光伏板积灰浓度的方法，其特征在于，利用所述巡检与定点编号来对应标定每个光伏板上的积灰浓度，方法包括：将检测得到的竖直边缘按照顺序进行编号；在目标位置矫正后，如果有两个边缘，则检测一次，记录浓度为第一目标光伏板浓度；之后横排飞行，当下一个竖直边缘进入目标后，进行检测并记录浓度为第二目标光伏板浓度；直至模型标定的横排终点，再根据两排光伏板中心位置距离，纵向移动无人机，进行第二排重新扫描编号。

6.根据权利要求2所述的检测光伏板积灰浓度的方法，其特征在于，所述巡检故障处理的方式包括：故障自动返航、针对突发的天气状况判断是否继续执行任务以及低电量预警。

7.根据权利要求2所述的检测光伏板积灰浓度的方法，其特征在于，构建所述检测模型的方法包括：利用光学成像原理；并基于光伏板面反射光经灰尘粒子衰减，后经空气中悬浮粒子再次衰减后到达探测系统的光，以及接收到灰尘粒子散射形成的尘光和空气中大气光这两种光源来构建所述检测模型。

8.根据权利要求1所述的基于图像法检测光伏板积灰浓度的系统，其特征在于，还包括：无线充电模块；用于在巡检过程中停于固定充电桩及时补电。